تشخیص بیماری کبدی با استفاده از نرم افزار RapidMiner و ویژگی های درخت تصمیم
Publish place: The first scientific-research conference on mechanics, electricity, computer and engineering sciences
Publish Year: 1399
نوع سند: مقاله کنفرانسی
زبان: Persian
View: 595
This Paper With 18 Page And PDF Format Ready To Download
- Certificate
- من نویسنده این مقاله هستم
این Paper در بخشهای موضوعی زیر دسته بندی شده است:
استخراج به نرم افزارهای پژوهشی:
شناسه ملی سند علمی:
MECECONF01_015
تاریخ نمایه سازی: 19 شهریور 1399
Abstract:
تشخیص سریع و زودهنگام بیماری یکی از چالش های اساسی در حوزه تشخیص پزشکی است. .هدف اصلی این تحقیق، مقایسه میزان کارایی الگوریتم هایی است که برای پیش بینی بیماری کبدی با استفاده از روش های داده کاوی ارائه شده اند. از جمله این روش ها طبقه بندهای یادگیری ماشینی، درخت تصمیم ، مدل ماشین بردار پشتیبان و سایر مدل ها هستند که با بررسی مقایسه پارامترهای ارزیابی کارایی روش های مورد نظر نتیجه به دست آمده نشان می دهد که درخت تصمیم منجر به نتایج بهتری نسبت به سایر الگوریتم ها برای تشخیص بیماری کبدی می شود
Keywords:
Authors
زینب مسیح پور
گروه کامپیوتر، دانشکده فنی و مهندسی، دانشگاه گلستان، گرگان، ایران
علی تجری
گروه علوم کامپیوتر، دانشکده علوم، دانشگاه گلستان، گرگان، ایران